首页> 中文学位 >纵向监测缺失数据敏感性分析及在心脏康复干预效果中应用
【6h】

纵向监测缺失数据敏感性分析及在心脏康复干预效果中应用

代理获取

目录

声明

摘要

第一章 前言

第二章 原理与方法

2.1 DK选择模型基本原理

2.1.1 数据构建及选择模型

2.1.2 DK选择模型建模原理

2.1.3 DK选择模初始值设定

2.2 局部影响力DK选择模型

2.3 缺失机制判定与模型参数估计的软件实现

第三章 模拟研究

3.1 构造三种数据缺失机制

3.2 DK选择模型对三种缺失机制敏感性分析的模拟研究

3.2.1 识别MCAR机制的敏感性分析策略

3.2.2 识别MAR机制的敏感性分析策略

3.2.3 识别MNAR机制的敏感性分析策略

第四章 实例分析

4.1 心脏康复患者基线资料统计描述

4.1.1 入住CCU患者一般情况分析

4.1.2 不同个体化干预方式在不同时间点数据缺失与统计描述

4.2 不同干预方式忽略缺失机制的SAS总分、SCI-90因子得分统计分析

4.3 对有统计学意义的指标进行进一步分析

4.4 应用局部影响力敏感性分析对缺失机制的进行进一步判定

4.5 MCMC多重填补恐怖得分MCAR机制分析

第五章 讨论

第六章 小结

参考文献

个人简介

致谢

展开▼

摘要

在心脏康复二级预防综合干预模式的纵向研究中,由于住院患者监测资料分析变量多,收集过程复杂,研究对象欠合作或患者行动不便等原因,不可避免地会出现数据缺失。按目前常规分析思路,直接舍去缺失数据,仅采用完全数据进行分析;或即便采用缺失数据填补,但仍不考虑其数据缺失机制,都有可能受到强影响数据影响,得到有偏估计,甚至得出与医学解释相违的错误结论。为更充分地利用和揭示临床监测资料中缺失数据所蕴藏的信息,本文主要阐明Diggle&Kenward(DK)选择模型,系统介绍敏感性分析判定数据缺失机制的基本思想与方法;并针对缺失数据分析特点,引入不同缺失机制资料,实现强影响力个体数据的敏感性分析。 本文通过不同样本量与不同缺失比例的模拟证实,结合急冠综合征CCU病房心脏康复二级预防综合干预实例分析,进一步阐明了DK选择模型缺失机制的判定方法,三种数据缺失机制下强影响个体值的识别方法与步骤。全部过程由SAS软件编程实现。模拟证实表明,不同样本量与不同缺失比例的完全随机缺失(MCAR)、随机缺失(MAR)和非随机缺失(MNAR)机制的识别,需要的最小样本含量、最低缺失比例不同。在适宜样本量和缺失比例的情况下,DK选择模型可以准确判定完全随机缺失和随机缺失机制,对非随机缺失机制的判定,结果尚不可靠。对非随机缺失而言,尚需要识别有强影响力个体值,并予以分析处理的基础上,再进行后续的敏感性分析,才能更好地判定是否属于非随机缺失机制。通过收集某心血管专科医院CCU病房133例急冠综合征患者心脏康复二级预防综合干预SCL—90及SAS量表资料分析,研究结果再次证实:DK选择模型及去除强影响力点后的局部影响力DK选择模型,可以准确判定数据缺失机制,分析方法可行,分析过程与步骤可通过SAS编程实现。本研究实例判定为完全随机缺失,采用MCMC完成数据的多重填补后进行了分析,结果表明,忽略缺失机制直接进行分析的结果,有可能导致结果解释出现偏性。 总之,本文针对纵向研究中数据缺失问题,进一步阐明了DK选择模型与敏感性分析判定数据缺失机制的原理与方法;采用模拟研究方法,证实了缺失数据资料分析中,样本含量与缺失比例的关系及其影响;采用SAS软件编程,实现了强影响力个体数据识别的敏感性分析,并收集某院CCU急性冠脉综合症患者心脏康复二级预防综合干预的纵向研究资料,实现了数据缺失机制判定,强影响力个体数据识别以及纵向研究缺失数据模型分析。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
代理获取

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号